Naar hoofdinhoud
Bonsai Software
Alle veld notities
Onze aanpak14 juli 20265 min leestijd

Dottle document-AI: wat het oplost en wanneer niet

Dottle is de document-AI van Bonsai: het leest inkomende documenten uit, structureert de gegevens en stuurt ze door naar het systeem dat er iets mee moet doen. De mens hoeft alleen nog te controleren waar het systeem twijfelt, niet elk veld handmatig over te typen. Dat is de kern, en alles wat er omheen zit verdient wat meer uitleg.

Door Yeslin Beljaars

Wat is het probleem dat Dottle oplost?

Veel operationele teams besteden een flink deel van hun dag aan het overtikken van gegevens. Een inkooporder komt binnen als pdf. Iemand opent hem, leest het artikelnummer, de hoeveelheid, het adres, tikt alles over in het ERP of TMS, en gaat door naar het volgende document. Dat werk is niet moeilijk, maar het is foutgevoelig en het schaalt slecht. Als het volume toeneemt, neemt de bezetting mee, of loopt de achterstand op. Dottle pakt dit patroon bij de wortel aan: het leest het document uit, herkent de velden, en plaatst de gegevens waar ze naartoe moeten. De medewerker ziet alleen de uitzonderingen.

Welke documenten verwerkt Dottle?

Dottle is gebouwd voor de documenttypen die in de operatie het meest binnenkomen: inkooporders, paklijsten, vrachtbrieven, facturen en leveringsbevestigingen. De gemeenschappelijke noemer is dat het gestructureerde of semi-gestructureerde documenten zijn waarbij de opmaak per afzender verschilt, maar de inhoud voorspelbaar is. Een paklijst van leverancier A ziet er anders uit dan die van leverancier B, maar beide bevatten een artikelomschrijving, een hoeveelheid en een locatie. Dottle leert die variatie per afzender herkennen. Documenten die werkelijk vrije tekst bevatten, zoals klachtenformulieren of contracten met onderhandelbare clausules, zijn minder geschikt. Dat is eerlijk om te zeggen.

Hoe werkt het in de praktijk?

Het document komt binnen via e-mail, een uploadportaal of een gedeelde map. Dottle verwerkt het, extraheert de relevante velden en legt een match met bestaande records in het systeem, bijvoorbeeld een openstaande bestelling of een debiteurnummer. Als de betrouwbaarheid hoog genoeg is, boekt het door zonder tussenkomst. Is er twijfel, een onbekende leverancier of een afwijkende hoeveelheid, dan gaat het naar een reviewwachtrij. De medewerker ziet precies waarom Dottle twijfelt, bevestigt of corrigeert, en het systeem leert van die correctie voor de volgende keer. Dat is het human-in-the-loop principe: niet de AI die beslist in twijfelgevallen, maar de mens die het laatste woord heeft.

Waar lopen mensen op vast bij de implementatie?

Het meest voorkomende struikelblok is niet de techniek, maar de datahuishouding aan de ontvangstkant. Dottle kan een artikelnummer herkennen, maar als het ERP duizend actieve artikelen heeft waarvan de naamgeving niet consistent is, wordt de match lastiger. Hetzelfde geldt voor adressen, leverancierscodes en eenheden. Voordat Dottle goed werkt, moet het systeem waar het op aansluit op orde zijn. Dat kost soms meer tijd dan de koppeling zelf. Een tweede valkuil is het verwachtingspatroon: sommige teams denken dat het systeem vanaf dag één alles foutloos verwerkt. In de eerste weken is het percentage documenten dat zonder tussenkomst doorloopt lager dan aan het einde van de inloopperiode. Dat is normaal, maar moet van tevoren besproken worden.

Wanneer past Dottle juist niet?

Als je maar tien documenten per week ontvangt en de variatie is beperkt, is de besparing klein. De implementatietijd en het onderhoud wegen dan niet op tegen de winst. Dottle is het meest waardevol bij volumes vanaf enkele tientallen documenten per dag, zeker als de variatie in opmaak groot is of als de documenten uit veel verschillende bronnen komen. Ook als het echte probleem niet de invoer is maar de beslissing achter de invoer, zoals inkoopadviezen of planningskeuzes, dan is een ander instrument beter geschikt. Dottle is een uitvoerend systeem, geen beslissingsondersteunend systeem. Die grens is belangrijk.

Wat levert het op?

De directe opbrengst is minder handmatig werk op documenten die toch altijd hetzelfde zijn. Medewerkers kunnen hun aandacht richten op de uitzonderingen die er echt toe doen, in plaats van op het routinewerk dat tussendoor moet. Indirect betekent snellere verwerking ook snellere doorlooptijd: een order die binnen een minuut in het systeem staat in plaats van aan het eind van de middag. Dat heeft effect op voorraadbeheer, planning en klanttevredenheid. Niet omdat Dottle slim is in de zin van zelflerend, maar omdat het betrouwbaar en snel doet wat mensen altijd handmatig deden.

Speelt dit in jouw operatie?

Plan een gesprek

Veelgestelde vragen

Wat doet Dottle precies?

Dottle leest inkomende documenten zoals facturen, paklijsten en orders uit, extraheert de relevante gegevens en plaatst die automatisch in het juiste systeem. Alleen bij twijfel, een onbekende afzender of afwijkende waarden, gaat het naar een medewerker voor bevestiging.

Welke documenten kan Dottle verwerken?

Dottle is het meest geschikt voor gestructureerde en semi-gestructureerde documenten: inkooporders, paklijsten, vrachtbrieven en facturen. Documenten met veel vrije tekst, zoals contracten of klachtenformulieren, zijn minder geschikt.

Wanneer is Dottle niet de juiste keuze?

Bij lage documentvolumes, minder dan enkele tientallen per dag, is de tijdsbesparing beperkt en weegt de implementatie niet op. Ook als het echte knelpunt een beslissing achter de invoer is, zoals een inkoopadvies, is een ander systeem beter passend.

Wordt de AI van Dottle zelflerend beter?

Dottle leert van correcties die medewerkers aanbrengen in de reviewwachtrij, zodat de herkenning per afzender verbetert. Het is geen zelflerend systeem in de autonome zin: een mens bevestigt of corrigeert, en die feedback verfijnt de verwerking.